码迷,mamicode.com
首页 > 编程语言 > 详细

朴素贝叶斯算法的python实现

时间:2014-11-17 01:43:33      阅读:456      评论:0      收藏:0      [点我收藏+]

标签:style   blog   http   io   color   ar   os   sp   for   

朴素贝叶斯

算法优缺点

  • 优点:在数据较少的情况下依然有效,可以处理多类别问题

  • 缺点:对输入数据的准备方式敏感

  • 适用数据类型:标称型数据

算法思想:

朴素贝叶斯
比如我们想判断一个邮件是不是垃圾邮件,那么我们知道的是这个邮件中的词的分布,那么我们还要知道:垃圾邮件中某些词的出现是多少,就可以利用贝叶斯定理得到。
朴素贝叶斯分类器中的一个假设是:每个特征同等重要

函数

loadDataSet()

创建数据集,这里的数据集是已经拆分好的单词组成的句子,表示的是某论坛的用户评论,标签1表示这个是骂人的

createVocabList(dataSet)

找出这些句子中总共有多少单词,以确定我们词向量的大小

setOfWords2Vec(vocabList, inputSet)

将句子根据其中的单词转成向量,这里用的是伯努利模型,即只考虑这个单词是否存在

bagOfWords2VecMN(vocabList, inputSet)

这个是将句子转成向量的另一种模型,多项式模型,考虑某个词的出现次数

trainNB0(trainMatrix,trainCatergory)

计算P(i)和P(w[i]|C[1])和P(w[i]|C[0]),这里有两个技巧,一个是开始的分子分母没有全部初始化为0是为了防止其中一个的概率为0导致整体为0,另一个是后面乘用对数防止因为精度问题结果为0

classifyNB(vec2Classify, p0Vec, p1Vec, pClass1)

根据贝叶斯公式bubuko.com,布布扣计算这个向量属于两个集合中哪个的概率高

  1.  1 #coding=utf-8
     2 from numpy import *
     3 def loadDataSet():
     4     postingList=[[my, dog, has, flea, problems, help, please],
     5                  [maybe, not, take, him, to, dog, park, stupid],
     6                  [my, dalmation, is, so, cute, I, love, him],
     7                  [stop, posting, stupid, worthless, garbage],
     8                  [mr, licks, ate, my, steak, how, to, stop, him],
     9                  [quit, buying, worthless, dog, food, stupid]]
    10     classVec = [0,1,0,1,0,1]    #1 is abusive, 0 not
    11     return postingList,classVec
    12 
    13 #创建一个带有所有单词的列表
    14 def createVocabList(dataSet):
    15     vocabSet = set([])
    16     for document in dataSet:
    17         vocabSet = vocabSet | set(document)
    18     return list(vocabSet)
    19     
    20 def setOfWords2Vec(vocabList, inputSet):
    21     retVocabList = [0] * len(vocabList)
    22     for word in inputSet:
    23         if word in vocabList:
    24             retVocabList[vocabList.index(word)] = 1
    25         else:
    26             print word ,word ,not in dict
    27     return retVocabList
    28 
    29 #另一种模型    
    30 def bagOfWords2VecMN(vocabList, inputSet):
    31     returnVec = [0]*len(vocabList)
    32     for word in inputSet:
    33         if word in vocabList:
    34             returnVec[vocabList.index(word)] += 1
    35     return returnVec
    36 
    37 def trainNB0(trainMatrix,trainCatergory):
    38     numTrainDoc = len(trainMatrix)
    39     numWords = len(trainMatrix[0])
    40     pAbusive = sum(trainCatergory)/float(numTrainDoc)
    41     #防止多个概率的成绩当中的一个为0
    42     p0Num = ones(numWords)
    43     p1Num = ones(numWords)
    44     p0Denom = 2.0
    45     p1Denom = 2.0
    46     for i in range(numTrainDoc):
    47         if trainCatergory[i] == 1:
    48             p1Num +=trainMatrix[i]
    49             p1Denom += sum(trainMatrix[i])
    50         else:
    51             p0Num +=trainMatrix[i]
    52             p0Denom += sum(trainMatrix[i])
    53     p1Vect = log(p1Num/p1Denom)#处于精度的考虑,否则很可能到限归零
    54     p0Vect = log(p0Num/p0Denom)
    55     return p0Vect,p1Vect,pAbusive
    56     
    57 def classifyNB(vec2Classify, p0Vec, p1Vec, pClass1):
    58     p1 = sum(vec2Classify * p1Vec) + log(pClass1)    #element-wise mult
    59     p0 = sum(vec2Classify * p0Vec) + log(1.0 - pClass1)
    60     if p1 > p0:
    61         return 1
    62     else: 
    63         return 0
    64         
    65 def testingNB():
    66     listOPosts,listClasses = loadDataSet()
    67     myVocabList = createVocabList(listOPosts)
    68     trainMat=[]
    69     for postinDoc in listOPosts:
    70         trainMat.append(setOfWords2Vec(myVocabList, postinDoc))
    71     p0V,p1V,pAb = trainNB0(array(trainMat),array(listClasses))
    72     testEntry = [love, my, dalmation]
    73     thisDoc = array(setOfWords2Vec(myVocabList, testEntry))
    74     print testEntry,classified as: ,classifyNB(thisDoc,p0V,p1V,pAb)
    75     testEntry = [stupid, garbage]
    76     thisDoc = array(setOfWords2Vec(myVocabList, testEntry))
    77     print testEntry,classified as: ,classifyNB(thisDoc,p0V,p1V,pAb)
    78     
    79     
    80 def main():
    81     testingNB()
    82     
    83 if __name__ == __main__:
    84     main()

     



朴素贝叶斯算法的python实现

标签:style   blog   http   io   color   ar   os   sp   for   

原文地址:http://www.cnblogs.com/MrLJC/p/4102737.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!